NumPy 数组高级索引

NumPy 比一般的 Python 序列提供更多的索引方式。除了用整数和切片的索引外，数组还能由整数数组索引、布尔索引及花式索引。

如果一个ndarray是非元组序列，数据类型为整数或布尔值的ndarray，或者至少一个元素为序列对象的元组，我们就能够用它来索引ndarray。

高级索引始终返回数据的副本。 相反，切片只提供了一个视图。有两种类型的高级索引：整数和布尔值。

整数数组索引

基于 N 维索引来获取数组中任意元素。 每个整数数组表示该维度的下标值。 当索引的元素个数就是目标ndarray的维度时，会变得相当直接。

以下示例获取了ndarray对象中每一行指定列的一个元素。 因此，行索引包含所有行号，列索引指定要选择的元素。

import numpy as np

x = np.array([[1, 2], [3, 7], [5, 6]])

# 获取数组中(0,0)，(1,1)和(2,0)位置处的元素
y = x[[0, 1, 2], [0, 1, 0]]

print(y) # [1 7 5]

获取数组每个角处的元素

import numpy as np

x = np.array([[ 0, 1, 2],[3, 4, 5],[6, 7, 8],[9, 10, 12]])

print (x)
# [[ 0  1  2]
#  [ 3  4  5]
#  [ 6  7  8]
#  [ 9 10 12]]

rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]

print (y) # 这个数组的每个角处的元素
# [[ 0  2]
#  [ 9 12]]

高级和基本索引可以通过使用切片:或省略号...与索引数组组合。

以下示例使用slice作为列索引和高级索引。 当切片用于两者时，结果是相同的。 但高级索引会导致复制，并且可能有不同的内存布局。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

b = a[1:3, 1:3]
c = a[1:3, [1, 2]]
d = a[..., 1:]

print(b)
# [[5 6]
#  [8 9]]

print(c)
# [[5 6]
#  [8 9]]

print(d)
# [[2 3]
#  [5 6]
#  [8 9]]

布尔索引

通过一个布尔数组来索引目标数组。

布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。

import numpy as np

x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 12]])

print(x)
# [[ 0  1  2]
#  [ 3  4  5]
#  [ 6  7  8]
#  [ 9 10 12]]

# 打印出大于 5 的元素
print(x[x > 5]) # [ 6  7  8  9 10 12]

使用 ~（取补运算符）来过滤 NaN或从数组中过滤掉非复数元素

import numpy as np

a = np.array([np.nan, 1, 2, np.nan, 3, 4, 5])
print(a[~np.isnan(a)]) # [1. 2. 3. 4. 5.]

a = np.array([1,  2+6j,  5,  3.5+5j])
print (a[np.iscomplex(a)]) # [2. +6.j 3.5+5.j]

花式索引

花式索引指的是利用整数数组进行索引。

花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。

对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。

花式索引跟切片不一样，它总是将数据复制到新数组中。

import numpy as np

x = np.arange(54).reshape((9, 6))

print(x)
# [[ 0  1  2  3  4  5]
#  [ 6  7  8  9 10 11]
#  [12 13 14 15 16 17]
#  [18 19 20 21 22 23]
#  [24 25 26 27 28 29]
#  [30 31 32 33 34 35]
#  [36 37 38 39 40 41]
#  [42 43 44 45 46 47]
#  [48 49 50 51 52 53]]

print(x[[4, 2, 1, 7]]) # 传入顺序索引数组
# [[24 25 26 27 28 29]
#  [12 13 14 15 16 17]
#  [ 6  7  8  9 10 11]
#  [42 43 44 45 46 47]]

print (x[[-4,-2,-1,-7]]) # 传入倒序索引数组
# [[30 31 32 33 34 35]
#  [42 43 44 45 46 47]
#  [48 49 50 51 52 53]
#  [12 13 14 15 16 17]]

print (x[np.ix_([1,5,7,2],[0,3,1,2])]) # 传入多个索引数组（要使用np.ix_）
# [[ 6  9  7  8]
#  [30 33 31 32]
#  [42 45 43 44]
#  [12 15 13 14]]